SQLModel与Pydantic BaseModel的exclude_unset行为差异及解决方法

SQLModel 作为衔接 Pydantic 和 SQLAlchemy 的适配层，重写了原生 Pydantic 的模型初始化逻辑：

• 原生 Pydantic 只有字段被显式传参、或者在代码中手动赋值时，才会把字段加入__fields_set__集合，exclude_unset参数就是基于这个集合做过滤，因此能准确筛掉未传参的默认字段。
• SQLModel 为了兼容 SQLAlchemy 的 ORM 行为，会在模型实例化时，自动把所有声明了默认值的字段都加入__fields_set__集合——这个设计是为了避免 ORM 生成 SQL 时漏传字段，导致本该使用模型侧默认值的字段错误触发数据库侧默认值，但也直接导致依赖__fields_set__的exclude_unset过滤逻辑失效，哪怕字段没被显式传入、值为默认的None，也会被判定为「已设置」而保留在导出结果里。

根据业务场景是否需要区分「显式传入None」和「未传参默认值为None」，可以选两种实现方式：

• 不需要区分两种场景时，直接组合参数过滤即可，这是最简单的方案：

# 同时开启exclude_unset和exclude_none，自动过滤所有值为None的字段
print(k.dict(exclude_unset=True, exclude_none=True))
# 输出结果：{'is_required': 0.1, 'a_float': 1.2}

• 需要区分两种场景（即显式传入的None需要保留，仅过滤未传参的默认None字段）时，可以自定义基类修正__fields_set__的取值逻辑，和原生Pydantic行为对齐：

from typing import Any, Optional
from sqlmodel import SQLModel

class CustomBaseModel(SQLModel):
    def __init__(self, **data: Any):
        super().__init__(**data)
        # 仅将实际传入的字段标记为已设置
        self.__fields_set__ = set(data.keys())

# 业务模型继承自定义基类即可
class Model(CustomBaseModel):
    is_required: float
    a_float: Optional[float] = None
    k: Optional[int] = None

k = Model(**{"is_required": 0.1, "a_float": 1.2})
print(k.dict(exclude_unset=True))
# 输出结果：{'is_required': 0.1, 'a_float': 1.2}

# 验证显式传None的场景
k2 = Model(**{"is_required": 0.1, "a_float": 1.2, "k": None})
print(k2.dict(exclude_unset=True))
# 输出结果：{'is_required': 0.1, 'a_float': 1.2, 'k': None}

注意：如果你的模型是绑定数据库表的表模型（设置了table=True），使用上述自定义基类后，未传参的字段不会被模型侧赋值，插入数据时会触发数据库配置的字段默认值，使用前需要确认符合业务预期。

内容的提问来源于stack exchange，提问作者nuitnuit